MétaCan
Menu
Retour à la cohorte
Enregistrement W2523250432 · doi:10.1126/science.aaf7812

Convergent local adaptation to climate in distantly related conifers

2016· article· en· W2523250432 sur OpenAlexafffund
Sam Yeaman, Kathryn A. Hodgins, Katie E. Lotterhos, Haktan Suren, Simon Nadeau, Jon Degner, Kristin A. Nurkowski, Pia Smets, Tongli Wang, Laura K. Gray, Katharina J. Liepe, Andreas Hamann, Jason A. Holliday, Michael C. Whitlock, Loren H. Rieseberg, Sally N. Aitken

Notice bibliographique

RevueScience · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic diversity and population structure
Établissements canadiensUniversity of AlbertaUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesGenome AlbertaUniversity of British ColumbiaAlberta Innovates Bio SolutionsMinistry of Forests, Lands and Natural Resource OperationsGenome British ColumbiaForest Genetics Council of British ColumbiaGenome CanadaVirginia Polytechnic Institute and State UniversityNational Science Foundation
Mots-clésConvergent evolutionBiologyAdaptation (eye)Local adaptationEvolutionary biologyGeneAdaptive evolutionPopulationGenomeGeneticsPhylogenetics

Résumé

récupéré en direct d'OpenAlex

When confronted with an adaptive challenge, such as extreme temperature, closely related species frequently evolve similar phenotypes using the same genes. Although such repeated evolution is thought to be less likely in highly polygenic traits and distantly related species, this has not been tested at the genome scale. We performed a population genomic study of convergent local adaptation among two distantly related species, lodgepole pine and interior spruce. We identified a suite of 47 genes, enriched for duplicated genes, with variants associated with spatial variation in temperature or cold hardiness in both species, providing evidence of convergent local adaptation despite 140 million years of separate evolution. These results show that adaptation to climate can be genetically constrained, with certain key genes playing nonredundant roles.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil0,135

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,241
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations394
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetGenetic diversity and population structureTravaux en français237 207